Keras到Core ML模型转换，自定义层-转换函数被忽略

我正在尝试将一个通过Keras培训的模型转换为核心ML格式（

.mlmodel

）。我有模型的完整来源和权重，还有一个冻结的Keras图（

.h5

文件）。使用Keras函数API定义，并有一个名为

AttentionWeightedAverage

的自定义层

运行以下转换代码时，我收到一个

值错误：未知层：AttentionWeightedAverage

导入coremltools
mlmodel=coremltools.converts.keras.convert（'deepmoji_model.h5'））

自然地，由于这是一个自定义层（它也恰好有一个名为

return\u attention

的布尔超参数），我知道我需要告诉Core ML如何处理它，因此我基于以下内容实现了以下内容：

课堂出席率加权平均值（层）：
#在此处内联定义的类。。。
# https://github.com/bfelbo/DeepMoji/blob/master/deepmoji/attlayer.py
def转换附件（图层）：
params=NeuralNetwork_pb2.CustomLayerParams（）
params.className=“AttentionWeightedAverage”
params.description=“一种新颖的激活功能”
params.parameters[“return\u attention”]。布尔值=layer.return\u attention
返回参数
mlmodel=coremltools.converts.keras.convert（'deepmoji_model.h5'，
添加自定义图层=真，
自定义_转换_函数={“AttentionWeightedAverage”：convert_ATTN}
)

但是，在尝试运行转换时，我仍然收到与上面相同的“未知层”错误。是什么导致转换脚本无法识别我提供的转换函数

---

我使用

keras==2.3.1

运行

coremltools==3.3

（最新版本）。非常感谢您的指导

事实证明，

未知层

错误源于Keras本身，它无法成功地

加载\u模型

，因为它无法反序列化自定义层。相反，如果我们将一个完全反序列化的模型（而不仅仅是文件路径）传递给转换器，那么转换器将毫无问题地运行

model=load_model（'deepmoji_model.h5'，自定义_对象={'AttentionWeightedAverage'：AttentionWeightedAverage（）}）
mlmodel=coremltools.Converter.keras.convert（型号，
添加自定义图层=真，
自定义_转换_函数={“AttentionWeightedAverage”：convert_ATTN}
)
mlmodel.save（'deepmoji_model.mlmodel'））

事实证明，

未知层

错误源于Keras本身，由于无法反序列化自定义层，Keras无法成功地

加载\u模型。相反，如果我们将一个完全反序列化的模型（而不仅仅是文件路径）传递给转换器，那么转换器将毫无问题地运行

model=load_model（'deepmoji_model.h5'，自定义_对象={'AttentionWeightedAverage'：AttentionWeightedAverage（）}）
mlmodel=coremltools.Converter.keras.convert（型号，
添加自定义图层=真，
自定义_转换_函数={“AttentionWeightedAverage”：convert_ATTN}
)
mlmodel.save（'deepmoji_model.mlmodel'））